【技术实现步骤摘要】
本专利技术属于电池存储，更具体地，涉及一种锂离子电池容量跳水在线联合预测方法及系统。
技术介绍
1、随着锂离子电池在电动汽车和储能系统等领域的广泛应用，对锂离子电池的使用稳定性与安全性要求也越来越高。使用中的锂离子电池在容量衰退到一定程度后，会出现加速衰退的非线性老化现象，使锂离子电池的使用性能大幅下降，容易引发电池使用安全问题。而跳水点作为非线性老化的起点，对其进行预测至关重要。
2、目前针对锂离子电池容量跳水点的预测方法主要包括经验模型法和机器学习法。经验模型法通过总结电池演化规律，采用数学公式构建近似关系模拟真实情况，但模型参数量大难以确定，同时在现实复杂使用情况下预测性能较差，准确性低。机器学习法主要通过借助一些机器学习算法来学习输入特征与容量跳水点寿命间的映射关系，对跳水点进行直接预测，但如果距离跳水点还比较远，此时电池还没有明显的跳水征兆特征，预测模型学习的特征信息不够，则会导致在线预测准确度不高。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本专利技术提供...
【技术保护点】
1.一种锂离子电池容量跳水在线联合预测方法，其特征在于，包括：
2.根据权利要求1所述的锂离子电池容量跳水在线联合预测方法，其特征在于，所述容量跳水预警判断具体包括：
3.根据权利要求1或2所述的锂离子电池容量跳水在线联合预测方法，其特征在于，所述容量跳水在线预测模型包括：信号提取模块、时序学习模块、第一回归器和第二回归器；
4.根据权利要求3所述的锂离子电池容量跳水在线联合预测方法，其特征在于，所述标签还包括当前充放电循环内锂离子电池的健康状态；
5.根据权利要求4所述的锂离子电池容量跳水在线联合预测方法，其特征在于，...
【技术特征摘要】
1.一种锂离子电池容量跳水在线联合预测方法，其特征在于，包括：
2.根据权利要求1所述的锂离子电池容量跳水在线联合预测方法，其特征在于，所述容量跳水预警判断具体包括：
3.根据权利要求1或2所述的锂离子电池容量跳水在线联合预测方法，其特征在于，所述容量跳水在线预测模型包括：信号提取模块、时序学习模块、第一回归器和第二回归器；
4.根据权利要求3所述的锂离子电池容量跳水在线联合预测方法，其特征在于，所述标签还包括当前充放电循环内锂离子电池的健康状态；
5.根据权利要求4所述的锂离子电池容量跳水在线联合预测方法，其特征在于，所述第一回归器由一层全连接层构成；
6.根据权利要求4或5所述的锂离子电池容量跳水在线联合预测方法，其特征在于，在训练...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。